第2章(参数估计).ppt

滨州学院 五、小结 一、无偏性 二、有效性 三、相合性 四、小结 高斯资料 费歇（Fisher）资料 证明 例18 从总体Ｘ中抽取样本 ，证明下列三 个统计量 都是总体均值 的无偏估计量；并确定哪 个估计量更有效。 所以三个统计量都是总体均值 的无偏估计量。 最大似然估计法也适用于总体分布中含有多个（如k个）未知参数的情况. 此时只需令 对数似然方程组 对数似然方程 解： 似然函数 例8 这一估计量与矩估计量是相同的. 解： 例9 这一估计量与矩估计量是相同的. 解： X 的似然函数为 例10 它们与相应的矩估计量相同. 解: 取对数得 例11 设总体X的概率密度为 是未知参数, 其中 X1,X2,…,Xn是取自X的样本,求参数 的最大似然估计量. 似然函数为 解得 由 所以 的最大似然估计量为 它与相应的矩估计量不相同. 解: 取对数得 例12 设总体X的概率密度为 X1,X2,…,Xn是取自X的样本,求参数 的最大似然估计量. 似然函数为 这说明L(q )为q 的增函数， 于是 则 为的q 最大似然估计值，q 的最大似然估计 量为 它与相应的矩估计量是否相同？. 注意到 令 解： 例13 它们与相应的矩估计量不相同. ?. 证明： 4. 最大似然估计的性质 ? 此性质可以推广到总体分布中含有多个未知参数的情况. 如例10中, 四、用样本中位数和极差估计正态总体参数 当n 很大时： 定理 设 是 的中位数，则对任意的 ，有 当n很大时，可取 当n 取2到10之间数值时 的值可查下表 对于正态总体，样本极差R 的期望和方差分别为 0.259 0.797 0.3249 3.07751 10 0.272 0.808 0.3367 2.97003 9 0.288 0.820 0.3512 2.84720 8 0.308 0.833 0.3698 2.70436 7 0.335 0.848 0.3946 2.53441 6 0.371 0.864 0.4299 2.32593 5 0.427 0.880 0.4857 2.05875 4 0.525 0.888 0.5908 1.69257 3 0.756 0.853 0.8862 1.12838 2 由 可得 可取 估计的平均平方误差为 注：当n 10时，上述估计的误差较大。 两种求点估计的方法: 矩估计法 最大似然估计法 在统计问题中往往先使用最大似然估计法, 在最大似然估计法使用不方便时, 再用矩估计法. 从前一节可以看到, 对于同一个参数, 用不同的估计方法求出的估计量可能不相同, 如第一节的例4和例11. 而且, 很明显, 原则上任何统计量都可以作为未知参数的估计量. 问题 (1)对于同一个参数究竟采用哪一个估计量好? (2)评价估计量的标准是什么? 下面介绍几个常用标准（无偏、有效、相合性）. §2.2 判别估计量好坏的标准 无偏估计的实际意义: 无系统误差. 以买水果为例加以说明 证： 例14 特别的: 不论总体 X 服从什么分布, 只要它的数学期望存在, 证: 例15 (这种方法称为无偏化). 解： 由第五章定理知 例16* 证： 例17* 由以上例子可知,一个参数可以有不同的无偏估计量. 由于方差是随机变量取值与其数学期望的偏离程度,所以无偏估计以方差小者为好. 滨州学院－概率论与数理统计 天津科大研究生数理统计 * * 第二章 参数估计 参数估 计问题 假设检 验问题 点估计 区间估计 统计 推断 的 基本 问题 什么是参数估计？ 参数是刻画总体某方面概率特性的数量. 当此数量未知时,从总体抽出一个样本， 用某种方法对这个未知参数进行估计就 是参数估计. 例如，X ~N (? ,? 2), 点估计 区间估计 若?, ? 2未知, 通过构造样本的函数, 给出 它们的估计值或取值范围就是参数估计 的内容. §6.1 点估计 一、点估计的思想方法 设总体X 的分布函数的形式已知, 但含有一个或多个未知参数：?1,?2, ?,?k 设 X1, X2,…, Xn为总体的一个样本 构造 k 个统计量： 随机变量 当测得样本值(x1, x2,…, xn)时,代入上述 统计量，即可得到 k 个数： 数 值 称数 为未知参数 的估计值 对应统计量 为未知参数 的估计量 如何构造估计量？ 如何评价估计量的好坏？ 问 题 常用构造估计量的方法: 矩估计法 最大似然估计法. 二、矩估计法 用样本 k 阶矩